编者按：去年，谷歌DeepMind团队的Alphago看遍人类棋谱，依靠48个TPU、三千多万个棋局打败了韩国的李世石；今年，归来的它又凭借“左右互搏”击败了当前世界围棋第一人柯洁；而昨天，Alphago的亲弟弟Alphago Zero，只用4个TPU、3天，就达到了哥哥的高度……AI世界瞬息万变，强人工智能的出现还会远吗？

无论是DNN还是DQN，深度学习是DeepMind开发过程中的核心要素。而对于一个初学者，无论你是想学习深度学习知识，还是在云主机上构建深度学习高级项目，你都可以借助亚马逊的AWS轻松开启自己的AI之旅。

AWS的深度学习AMI支持Ubuntu和Linux（亚马逊版），它允许你在云主机上运行深度学习库。亚马逊在机器图像（AMIs）中预装了一些常用的深度学习框架，包括Apache MXNet、TensorFlow、Microsoft Cognitive Toolkit（CNTK）、Caffe、Caffe2、Theano、Torch和Keras。通过它们，你可以训练自定义AI模型、实验新算法，并学习深度学习的知识和技巧。

AMI是免费的，当然，AWS是要钱的。

启动AMI

首先，找到AWS services，创建/登陆一个账户。

在搜索框中输入EC2，或查看“All services”，选择EC2并打开EC2控制台。

点击“Launch Instance”按钮，并在AWS Marketplace中搜索AWS Deep Learning AMI。这里我们选择Ubuntu版本，但你也可以选择Amazon Linux。

选择要启动的AMI类型，然后选择下一步。

注意：如果你的P2 AMI限制为0，那你得去AWS支持中心申请增加AMI数量。

一直选择“Next”，直到Configure Security Group页面出现。在“Source”下选择“My IP”，并允许仅使用你的IP地址进行访问。

查看自己的AMI，并选择启动。

选择或创建一个新的密钥文件，然后启动AMI。

如果这时提示你说P2 AMI因为数量限制无法启动，那么请自行去申请增加。

访问AMI并启动Jupyter Notebook

单击查看AMI，找到公共DNS。

打开终端，切换到你的.pem安全密钥所在的目录，然后用SSH连接到你的AMI。

cd /Users/your_username/Downloads/    

ssh -L localhost:8888:localhost:8888 -i <your .pem file name> ubuntu@<Your instance DNS>

输入Jupyter Notebook打开Jupyter。

打开浏览器并前往最后一步中指示的URL地址，查看src文件。

新建并启动新笔记本，导入MXNet并开始编写或尝试一个教程。

到这里，AWS深度学习AMI启动完毕，你可以在里面运行计算机视觉、自然语言处理或其他更多系统。要注意的一点是，Jupyter notebooks里有许多MXNet教程，值得一看。

本文最初由Cynthya Peranandam发表于aws.amazon.com/cn/blogs/ai/get-started-with-deep-learning-using-the-aws-deep-learning-ami/?sc_channel=psm&sc_campaign=PAC_FB_AdoptionQ3_081617&sc_publisher=FB&sc_country=mult&sc_category=NAMER&sc_detail=Desktop_deeplearning_2&linkId=43354339。

本文来自机器人网，如若转载，请注明出处：https://www.jqr.com/news/008062